BEHOV: Neuromed Epilepsi EEG Database. En stor EEG-database over epilepsipatienter til forskningsfællesskab. (NEED)

Omkring 50 millioner mennesker verden over er ramt af epilepsi, som er en af ​​de hyppigste neurologiske sygdomme. Det er kendetegnet ved uforudsigelige og pludselige anfald, som kan føre til bevidsthedstab og ukontrollerede motoriske reaktioner, hvilket i alvorlig grad påvirker epilepsipatienters livskvalitet. Kun to tredjedele af epilepsipatienter kan kontrollere anfald med antiepileptika eller gennem epilepsikirurgi. For de resterende patienter bør andre terapeutiske tilgange overvejes. Disse tilgange omfatter udviklingen af ​​interventionel lukket kredsløbsanordning, der er i stand til at detektere anfald og udløse en interventionsoperation, såsom at administrere antiepileptiske lægemidler eller elektrisk stimulere det epileptogene fokus til at afbryde anfaldet. For at give effektive terapeutiske tilgange til disse patienter er der i de sidste årtier blevet gjort mange bestræbelser på at udvikle automatiske metoder til at finde pålidelige markører i elektroencefalografisk (EEG) signal, som er guldstandarden for epilepsidiagnose, i stand til at forudsige eller tidligt opdage anfald i EEG. Sådanne metoder er baseret på matematiske eller beregningsmæssige tilgange til EEG-signalanalyse, hvis formål er at udtrække komplekse mål (de såkaldte "features") fra EEG-signaler, som ikke er genkendelige med klassisk visuel inspektion af EEG-signaler foretaget af epileptologer under diagnose af epilepsi, for at bruge sådanne funktioner som forløbere for indkommende anfald (anfaldsforudsigelse) eller som indikatorer for et igangværende anfald (anfaldsdetektion). Mange metoder er blevet foreslået i de sidste år, ved hjælp af lineære eller ikke-lineære, til at udtrække træk fra EEG-signaler. For nylig har nogle undersøgelser også brugt elektrokardiografisk signal (EKG), som normalt optages sammen med EEG i epilepsimonitorering, for at udtrække lovende træk fra det. Selvom disse undersøgelser viste lovende resultater, lider de ikke desto mindre af mange begrænsninger. Blandt dem brugen af ​​et begrænset antal patienter og anfald og brugen af ​​kun optagelser, der tilhører fasen forud for anfaldene (den såkaldte præ-iktale periode). Sådanne begrænsninger gør det ikke muligt at bestemme f.eks. specificiteten af ​​sådanne algoritmer, fordi de ikke også tager højde for optagelser erhvervet i tidsintervaller langt fra anfaldene (interiktale data) og kan føre til en overtilpasning af anfaldsforudsigelsen/ detektionsmodel. Det eneste, som alle epilepsiforskere er enige om, er eksistensen af ​​en præ-iktal fase, som er fasen forud for anfaldet, den iktale fase, hvor anfaldet er "aktivt" og inter-iktal fase, som er en periode midlertidigt langt fra anfaldet. Normalt består automatiske metoder til forudsigelse/detektion af anfald af tre forskellige faser: forbehandlingen (fjernelse af artefakter, båndpasfiltrering, datasegmentering, …) af EEG-signaler, ekstraktion af egenskaber og udvælgelse og klassificering af funktioner. Dette sidste trin består normalt i brugen af ​​maskinlæring og statistiske metoder for at træffe beslutning om forudsigelsen/detektionen. Grundlæggende bør disse modeller være i stand til at klassificere hver EEG-instans i to klasser, "beslaglæggelse" eller "ingen anfald", ved hjælp af de funktioner, der er ekstraheret fra EEG-signalet. Effektiviteten af ​​disse modeller afhænger i høj grad af, hvor effektivt de trænes, og jo mere data der bruges til at træne dem, jo ​​mere er de i stand til at tage den rigtige beslutning. Derfor kunne tilgængeligheden af ​​en stor database med data gøre det muligt at udvikle effektive modeller til epilepsidetektion/forudsigelse. Forskeres mulighed for at få adgang til en stor database med kontinuerlige og langsigtede EEG-data fra epilepsipatienter kunne være en stor mulighed for at udvikle effektive og pålidelige automatiske anfaldsforudsigelse/detektionsmetoder. Af disse grunde har nogle forskergrupper i de seneste år foreslået og delt offentlig EEG-database med forskere, der ønsker at teste deres automatiserede anfaldsdetektions-/forudsigelsesmodeller. En sådan database er især blevet foreslået af Epilepsi Center ved University of Bonn og Freiburg og også af Children's Hospital i Boston og er blevet gjort tilgængelig til gratis download for forskere. Disse databaser indeholder langsigtede EEG-optagelser erhvervet under præ-kirurgisk monitorering af epilepsipatienter. Antallet af patienter inkluderet i disse databaser er ret lavt (fra et minimum på 5 til et maksimum på 23 patienter), og også antallet af anfald er begrænset (fra et minimum på 59 til et maksimum på 189). Endvidere spænder varigheden af ​​optagelserne fra 40 minutter til 142 timer, og antallet af metadata (andre informationer om patienter og anfald) er meget lavt. Den sidste database er blevet foreslået i 2008 inden for rammerne af et EU-funderet projekt (EPILEPSIAE), hvor 6 forskellige partnere (hospitaler, universiteter, virksomheder) fra 4 forskellige lande (Tyskland, Italien, Frankrig, Portugal) har været involveret. Denne database er ikke gratis, men stilles til rådighed for download ved betaling i 2012. I dag er det den største epilepsi-EEG-database, der er tilgængelig på verdensplan (http://epilepsy-database.eu/). Den indeholder data fra 275 patienter, herunder EEG- og EKG-optagelser, metadata, kliniske og tekniske annotationer på dataene og klinisk information om patienterne. Faktisk er kun 60 ud af 275 datasæt tilgængelige for download. Formålet med denne undersøgelse er at skabe en langsigtet EEG-database erhvervet på epilepsipatienter under den ikke-invasive prækirurgiske monitor på Epilepsi Surgery Unit på IRCCS Neuromed. Databasen vil, udover EEG- og EKG-optagelser, omfatte kliniske og tekniske annotationer om data fra ekspert epileptologer og også klinisk information om patienten, herunder neuropsykologiske evalueringer. Alle data vil først blive anonymiseret, krypteret og derefter gjort tilgængelige for gratis download. Databasen vil omfatte data fra 200 epilepsipatienter, der har gennemgået non-invasiv prækirurgisk epilepsimonitorering på Epilepsi Surgery Unit på IRCCS Neuromed. Ved afslutningen af ​​non-invasiv EEG-monitorering vil to sagkyndige epileptologer inspicere EEG/EKG-data for at identificere anfaldene, især de kanaler, hvor anfaldet starter og tidspunktet, og alt kunne være af interesse for projektet. Alle optagelser vil blive eksporteret i ASCII (American Standard Code for Information Interchange) format ved hjælp af DMS Data Management System (Nihon Kohden Europe Gmbh) software, version 2.9.8 og gemt lokalt. Samtidig vil kliniske og demografiske (kun køn og alder) data blive indsamlet for hver patient. Især for hver patient vil følgende data være tilgængelige:

• Demografiske data (køn og alder);
• Klinisk information (type epilepsi, anfaldshyppighed,...);
• Neuropsykologiske data;
• EEG-data erhvervet i henhold til internationalt 10-20-system;
• EKG-data;
• Oplysninger om optagelserne og anfaldene (start- og sluttidspunkt, start- og sluttidspunkt for hvert anfald, …)

Alle data fra alle patienter vil blive inkluderet i en enkelt database, og hver patient vil blive gemt i et enkelt komprimeret arkiv. Databasen vil blive gjort tilgængelig efter afslutningen af ​​en anmodning, som kan videresendes af hver forsker ved hjælp af en dedikeret URL, hvori forskeren udfylder en formular, når den bliver bedt om at levere følgende data:

• Oplysninger om ansøgeren (navn, adresse, tilknytning, …)
• GDPR-samtykke Når anmodningen er modtaget, vil det komprimerede arkiv, der indeholder hele databasen, blive beskyttet med en ad-hoc alfanumerisk adgangskode. En sådan adgangskode vil bestå af to dele: den første del vil blive sendt via e-mail til ansøgeren, den anden del vil blive sendt ved hjælp af den almindelige posttjeneste (tovejsgodkendelse).